编辑推荐：
为解决双齿围沙蚕水解液风味不佳的问题，研究人员开展了基于RSM-BP-GA模型优化其美拉德反应液制备条件的主题研究。结果表明，优化后的反应液风味显著提升，为开发高价值海鲜调味品提供了新策略。
提到海鲜，人们总会想起其诱人的鲜味。但在海鲜加工领域，一个常见的挑战是如何将一些产量丰富但风味不佳的副产品或特定资源，转化为受欢迎的高价值产品。双齿围沙蚕（Perinereis aibuhitensis）就是这样一个“潜力股”。作为一种常见的海洋无脊椎动物，它不仅产量高，还具有一定的营养和药用价值。然而，其酶解产物（PES）的风味却不尽如人意，这极大地限制了它在高端食品领域的应用，比如作为海鲜调味品的原料。如何有效改善它的风味，并找到最佳的加工条件，成为了一个需要解决的难题。
为此，Teng Teng、Yuchun Lu 等研究人员在《Food Chemistry: X》上发表了一项研究，探索了如何利用机器学习模型来优化双齿围沙蚕美拉德反应液（PMS）的制备工艺，从而显著提升其风味品质。美拉德反应是食品风味化学中的核心非酶褐变反应，能产生多种令人愉悦的风味物质，是提升海鲜调味品风味的关键机制。但美拉德反应受多种因素（如温度、时间、pH值、还原糖添加量等）共同影响，且因素间存在复杂的非线性关系，传统优化方法往往难以精确捕捉这种复杂性。
为了回答如何高效优化PMS制备条件并阐明其风味改善机制的问题，研究人员开展了一项系统性的研究。他们首先通过单因素实验确定了反应条件（还原糖比例、添加量、温度、时间、pH）的大致范围。接着，他们创造性地将响应面法（Response Surface Methodology, RSM）、反向传播神经网络（Back-Propagation neural network, BP）和遗传算法（Genetic Algorithm, GA）结合起来，构建了RSM-BP-GA混合模型。这个模型的优势在于，RSM可以设计实验并初步建模，BP神经网络擅长处理非线性关系，而GA则能进行高效的全局寻优，从而更精准地找到最优工艺参数组合。在获得优化条件下的PMS后，研究人员通过气相色谱-质谱联用仪分析了挥发性风味成分，通过高效液相色谱测定了游离氨基酸含量，并与原始的PES进行对比，从化学物质层面解释了风味改善的原因。
研究中用到的主要关键技术方法包括：
- 1.
RSM-BP-GA混合建模优化技术：这是本研究的核心方法。首先利用RSM设计实验方案，然后基于RSM数据生成虚拟样本以扩充数据集，构建BP神经网络模型来精确拟合工艺参数与感官评分之间的非线性关系，最后利用GA以BP网络为适应度函数进行全局寻优，寻找最优工艺参数组合。
- 2.
感官评价：由10名经过严格培训的评审员组成感官小组，在标准感官评价室内，对PMS样品的色泽、香气和滋味进行五分制评分，其中滋味权重最高（50%），是模型优化的直接响应指标。
- 3.
挥发性风味成分分析：采用顶空固相微萃取结合气相色谱-质谱联用（GC-MS）技术，对最优条件下制备的PMS和原始PES中的挥发性化合物进行定性和定量分析，并计算气味活度值（Odor Activity Value, OAV）以评估各成分对整体香气的贡献。
- 4.
游离氨基酸分析：采用高效液相色谱（HPLC）测定PMS和PES中的游离氨基酸组成和含量，并计算味觉活度值（Taste Activity Value, TAV），以分析美拉德反应对滋味轮廓的影响。
研究结果
3.1. 单因素实验结果与分析
单因素实验确定了各因素对PMS感官评分的影响趋势。结果显示，当核糖与葡萄糖比例为1:1、还原糖添加量为3%、反应温度为120°C、反应时间为60分钟、pH为6.5时，PMS的感官总评分最高。这些结果为后续的RSM实验设计提供了中心点。
3.2. RSM优化实验结果与分析
以还原糖添加量、反应时间和反应温度为自变量，感官评分为响应值，进行RSM优化。方差分析表明模型极显著，各因素对响应值的影响顺序为：反应时间 > 反应温度 > 还原糖添加量。反应时间与还原糖添加量之间的交互作用最显著。基于RSM模型，得到的最优条件为：反应温度118.70°C、反应时间56.77分钟、还原糖添加量3.08%。经调整并验证后，实际感官评分为4.66。
3.3. RSM-BP-GA模型优化结果与分析
为了获得更优的预测，研究引入了BP-GA模型。通过试错法确定了BP神经网络的最佳隐藏层神经元数为8个，模型表现出优异的拟合度（R值>0.999）。将训练好的BP网络作为GA的适应度函数进行寻优。GA迭代至第91代时收敛，预测的最优条件为：还原糖添加量3.21%、反应时间64.48分钟、反应温度120.80°C。经调整（还原糖添加量3.21%、反应时间64分钟、反应温度121°C）并验证后，PMS的实际感官评分达到4.80，高于单独使用RSM得到的结果（4.66）。这表明RSM-BP-GA模型能更有效地探索参数空间，找到更优的工艺条件。
3.4. PMS与PES中挥发性风味成分的组成与分析
对最优条件下制备的PMS和原始PES进行挥发性成分对比分析。主成分分析（PCA）显示两者风味物质组成差异显著。PMS中检测到的挥发性化合物种类（62种）多于PES（50种）。具体而言，PMS中具有愉悦风味的醛类（如己醛、庚醛）和酮类物质种类和含量显著增加，而PES中带有不良风味（如鱼腥味、葱蒜味）的芳香烃、醚类以及二甲基硫醚等物质的含量或OAV值显著降低。这些变化共同赋予了PMS更丰富的咖啡、油脂和坚果等宜人香气，有效掩盖了不良气味。
3.5. PES与PMS的风味特性及游离氨基酸分析
游离氨基酸分析揭示了滋味改善的机制。在PMS中，甜味氨基酸（特别是甘氨酸）占总游离氨基酸的比例大幅上升至56.73%（约为PES的两倍），其中甘氨酸占比高达45.50%。同时，苦味氨基酸的比例从PES的42.33%显著下降至PMS的19.66%。从TAV值来看，PMS中甘氨酸的TAV贡献最大，而PES中苦味氨基酸（如蛋氨酸、亮氨酸）的TAV值较高。这说明美拉德反应不仅改变了氨基酸的组成比例，还通过降低苦味物质的呈味强度，显著提升了产品的整体滋味协调性和适口性。
结论与讨论
本研究成功地将RSM-BP-GA混合机器学习模型应用于双齿围沙蚕美拉德反应液的工艺优化，并取得了比传统RSM方法更优的结果。模型预测并经实验验证的最优工艺条件为：核糖:葡萄糖比例1:1，还原糖添加量3.21%，pH 6.5，反应温度121°C，反应时间64分钟。在此条件下制备的PMS感官评分最高。
从机理上，本研究通过系统的化学分析阐明了风味提升的原因。在香气方面，美拉德反应促进了大量具有愉悦香气的醛类、酮类等物质的生成，同时减少了不良气味的芳香烃、醚类和含硫化合物。在滋味方面，反应显著提高了甜味氨基酸（尤其是甘氨酸）的相对比例和呈味强度，同时降低了苦味氨基酸的比例和贡献，从而使产品的滋味更加鲜美、饱满、协调。
这项研究的意义在于，它不仅为开发一种基于双齿围沙蚕的高附加值海鲜调味品提供了可行的工艺方案和理论依据，更重要的是，展示了机器学习辅助优化（特别是RSM-BP-GA混合模型）在复杂食品加工体系中的强大能力和应用潜力。该方法能够有效处理多变量、非线性的优化问题，为其他未被充分利用的海洋资源或农副产品的风味改良和高值化开发提供了新的研究范式和技术路径。当然，该研究也存在一些局限，如模型性能依赖于初始RSM数据的质量、感官评价存在主观性、以及尚未进行工业化放大试验等，这些也为未来的研究指明了方向，包括扩展数据集提高模型鲁棒性、结合仪器分析与感官评价、进行中试放大以及系统评估产品的功能活性与安全性等。
